判别式模型和生成式模型的区别

最新推荐文章于 2024-08-06 20:46:56 发布
原创 最新推荐文章于 2024-08-06 20:46:56 发布 · 124 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

这段摘要包含了博客的关键信息，忽略信息技术无关的内容，提供核心价值。
判别式模型与生成式模型
wolenski的专栏
09-16 4万+
判别式模型与生成式模型的区别 产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于： 对于输入x，类别标签y： 产生式模型估计它们的联合概率分布P(x,y) 判别式模型估计条件概率分布P(y|x) 产生式模型可以根据贝叶斯公式得到判别式模型，但反过来不行。 Andrew Ng在NIPS2001
生成式模型和判别式模型的区别
Yaphat的博客
09-18 7426
区别：产生式模型(Generative Model)与判别式模型(Discrimitive Model)它们的区别在于：假设有样本输入值（或者观察值）x，类别标签（或者输出值）y判别式模型评估对象是最大化条件概率p(y|x)并直接对其建模，生成式模型评估对象是最大化联合概率p(x,y)并对其建模。其实两者的评估目标都是要得到最终的类别标签Y， 而Y=argmax p(y|x)，不同的是判别式模型直接
判别式模型（discriminative model） 和生成式模型（generative model）的区别
技术博客
08-30 6031
生成式模型(Generative Model)与判别式模型(Discrimitive Model)是机器学习中基础概念，在NLP和机器学习中经常会遇到这两种显著不同的模型，在学习阶段（训练阶段）和评估阶段（测试阶段）都有不同的表现，它们的区别在于： 对于输入x，类别标签y： 生成式模型估计它们的联合概率分布P(x,y) 判别式模型估计条件概率分布P(y|x)生成式模型可以根据贝叶斯公式得到判别式...
判别式模型 vs 生成式模型
pumpkin84514的博客
06-22 1717
判别式模型专注于区分类别。它们学习如何根据输入信息来区分不同的类别。类比想象你是一个面试官，你的任务是根据候选人的表现来判断他们是否适合某个职位。你关注的不是候选人从哪里来，而是他们是否符合你的要求。这就是判别式模型在做的事情——根据输入信息判断类别。生成式模型不仅仅是区分类别，它们还能生成新数据，就像一位魔术师，可以凭空变出新的东西。类比想象你是一位艺术家，你不仅能判断一幅画是印象派还是写实派，还能自己创作出一幅新画。生成式模型就是这样，它们不仅能理解数据，还能生成与原始数据相似的新数据。判别式模型。
49_判别式模型和生成式模型1
08-03
判别式模型和生成式模型是机器学习领域中的两种核心模型，它们在处理问题的方式上有着本质的区别。本文将深入探讨这两种模型的概念、特点、优缺点以及常见的应用场景。 首先，让我们明确两者的定义。判别式模型直接...
监督学习中判别式模型和生成式模型的区别 | 无监督学习的生成模型GAN、VAE（生成样本）
捡起一束光的博客
11-30 3856
文章目录一、监督学习中的判别式模型和生成式模型1.1 判别式模型（线性回归、SVM、NN）1.2 生成式模型（朴素贝叶斯、HMM）二、无监督学习中的生成式模型参考资料 一、监督学习中的判别式模型和生成式模型 有监督学习可以分为两类：判别模型和生成模型，我们所熟悉的神经网络，支持向量机和logistic regression，决策树等都是判别模型。而朴素贝叶斯和隐马尔可夫模型则属于生成式模型 1.1 判别式模型（线性回归、SVM、NN） 判别式模型由数据直接学习P(y∣x)P(y|x)P(y∣x)来预测yy
判别式模型与生成式模型的区别
湾区人工智能
04-07 533
判别式模型与生成式模型的区别产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于：对于输入x，类别标签y： 产生式模型估计它们的联合概率分布P(x,y)判别式模型估计条件概率分布P(y|x)产生式模型可以根据贝叶斯公式得到判别式模型，但反过来不行。判别式模型常见的主要有： 　　　　Logistic Regress...
判别式模型和生成式模型的区别（discriminative model and generative model）
amblue的专栏
11-29 1万+
在NLP和机器学习中经常会遇到这两种显著不同的模型，在学习阶段（训练阶段）和评估阶段（测试阶段）都有不同的表现 总结一下它们之间的区别，欢迎补充： 1. 二者最本质的区别是建模对象不同    假设有样本输入值（或者观察值）x，类别标签（或者输出值）y    判别式模型评估对象是最大化条件概率p(y|x)并直接对其建模，生成式模型评估对象是最大化联合概率p(x,y)并对其建模。
生成式模型、判别式模型的区别？
Jiashilin
05-16 8870
生成式模型、判别式模型的区别？ ​ 对于机器学习模型，我们可以根据模型对数据的建模方式将模型分为两大类，生成式模型和判别式模型。如果我们要训练一个关于猫狗分类的模型， 对于判别式模型，只需要学习二者差异即可。比如说猫的体型会比狗小一点。 而生成式模型则不一样，需要学习猫张什么样，狗张什么样。有了二者的长相以后，再根据长相去区分。 具体而言： 生成式模型：由数据学习联合概率分布P(X,Y...
生成式模型和判别式模型区别
qq_22901249的博客
02-09 2484
两者都是进行分类(classification)的模型。生成模型(generative model)通过学习先验分布来推导后验分布而进行分类，而判定模型(discriminative model)直接学习后验分布来进行分类。 对于分类模型，一般有三种建模方法：生成模型，判定模型和直接学习决策边界。举例来说，如果信用卡公司需要通过建模学习如何通过个人收入(X)来检测其是否会成为坏账(Y)。一种建模的方法是先学习整体的坏账率(P(Y))以及在坏账与非坏账的群体中，个人收入是如何分布的(P(X|Y))。在学习这两
生成式与判别式的区分
weixin_41690708的博客
09-21 869
生成式与判别式 区别 二者的区别主要就是由于一个是***联合概率分布P(x,y)***，另一个估计***条件概率分布P(y|x)***，而生成式模型能够根据贝叶斯公式得到判别式模型也是根据公式而来。联合概率分布，则是特征值对应某标签的概率，现在要判断一个特征值对应的标签，根据联合概率，只能算出其对应各标签的概率值，而只有通过比较全部的值才能知道属于哪个标签；而条件概率分布则是输入特征直接出来对应的...
生成模型与判别模型的区别与理解
热门推荐
xiaobaizaza_Ry的博客
10-16 1万+
一、判别方法与生成方法 监督学习方法可分为判别方法和生成方法。 判别方法（Discriminative approach） 由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型，即判别模型。判别方法关心的是对于给定的输入X，应该预测什么样的输出Y。基本思想是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。典型的判别模型包括k近邻，感知级，决策树，支持向量机等。 生成方法（Generative approach） 由数据学习联合概率密度分布P(X,Y)，然后由
大模型的分类——生成式大模型和判别式大模型联系与区别
最新发布
m0_59164520的博客
08-06 4580
在学习机器学习的过程中，生成式模型和判别式模型是两个经典类型的模型，弄明白两者之间的联系与区别是一个非常重要的事情，也会加深对大模型的理解。那么什么是生成模型和判别模型呢？生成式模型和判别式模型的区别与联系生成式模型和判别式模型是两种不同的机器学习类型，它们之间具有不同的目标和应用场景，很重要的一点是不论生成式模型还是判别式模型，都是基于监督学习的机器学习算法。🌟 重大消息全新上线的人工智能聊天机器人小程序正式与大家见面啦！🌟你是否曾在深夜思考人生，却无人倾诉？
判别模型和生成模型的区别
kyle1314608的博客
05-11 1695
20210511 生成联合 深沉的河里的鲶鱼 判别条件 生成模型和判别模型的区别 1.监督学习分为生成模型和判别模型 有监督机器学习方法可以分为生成方法和判别方法（常见的生成方法有混合高斯模型、朴素贝叶斯法和隐形马尔科夫模型等，常见的判别方法有SVM、LR等），生成方法学习出的是生成模型，判别方法学习出的是判别模型。 2.生成模型 生成模型主要是求解联合概率密度，比如我们有数据集：（C，X），其中（c,x）表示其中一个样本，c为类别，x为特征。那么对于生成模型来说我们需要求解p(x,c)的联合概率密
机器学习：生成模型和判别模型的区别
JacksonKim的博客
10-01 7405
一、名词解释 生成方法由数据学习联合概率风波P(X,Y)，然后求出条件概率分布P(Y|X)为预测的模型，即生成模型： P(Y∣X)=P(X,Y)P(X)P(Y|X)=\frac{P(X,Y)}{P(X)}P(Y∣X)=P(X)P(X,Y)​ 这样的方法之所以称为生成方法，是因为模型表示了给定输入X产生输出Y的生成关系。典型的生成模型由朴素贝叶斯法和隐马尔可夫模型。 判别方法由数据直接学习决策函数f(X)或者条件概率分布P(Y|X)作为预测模型，即判别模型。判别方法关心的是对给定的输入X，应该预测什么样的输出
判别式模型和生成式模型
07-28
判别式模型和生成式模型是机器学习中两种常见的模型类型。生成式模型是通过学习数据的分布来建立模型P(y|x)，然后利用该模型来生成新的数据。典型的生成式模型有朴素贝叶斯模型，它通过学习数据的分布来建立概率模型，然后利用该模型来生成新的数据。判别式模型是通过学习输入和输出之间的映射关系来建立模型y=f(x)，然后利用该模型来预测新的输出。典型的判别式模型有支持向量机模型，它通过学习输入和输出之间的映射关系来建立分类模型，然后利用该模型来预测新的分类结果。生成式模型和判别式模型都有各自的优缺点，选择哪种模型取决于具体的应用场景和数据特征。常见的生成式模型包括决策树、朴素贝叶斯、隐马尔可夫模型、条件随机场、概率潜在语义分析、潜在狄利克雷分配、高斯混合模型。常见的判别式模型包括感知机、支持向量机、K临近、Adaboost、K均值、潜在语义分析、神经网络。逻辑回归既可以看做是生成式模型，也可以看做是判别式模型。\[1\]\[2\] #### 引用[.reference_title] - *1* *2* [生成式模型与判别式模型](https://blog.youkuaiyun.com/weixin_46359306/article/details/130422585)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [判别式模型与生成式模型](https://blog.youkuaiyun.com/Ai_ViVi/article/details/41204309)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值